MiroThinker 是一个面向复杂研究与预测任务优化的深度研究智能体（deep research agent），由 MiroMindAI 在 GitHub 上开源。其目标是对标 OpenAI Deep Research 与 Gemini Deep Research 的深度研究体验，通过工具增强推理与真实世界信息检索完成长链条研究任务。
用途：MiroThinker 主要用于复杂研究、信息检索、预测以及长链条任务的智能体推理。它强调“交互式扩展”（interactive scaling）作为模型规模与上下文长度之外的第三种性能提升维度，通过训练智能体处理更深、更频繁的智能体—环境交互，并利用环境反馈与外部信息获取来纠正错误、优化轨迹。
主要能力：项目提供 MiroThinker-1.7、MiroThinker-v1.5、MiroThinker-v1.0、MiroThinker-v0.2、MiroThinker-v0.1 等多个版本。MiroThinker-1.7 支持 256K 上下文窗口、长程推理与多步深度分析，单任务最多支持 300 次工具交互；MiroThinker-v1.5 单任务最多支持 400 次工具调用；v1.0 单任务最多支持 600 次工具调用。MiroThinker-1.7 在 BrowseComp、BrowseComp-ZH、GAIA-Val-165、HLE-Text 上分别达到 74.0%、75.3%、82.7%、42.9%，其中 BrowseComp-ZH 达到 SOTA；MiroThinker-1.7-mini 以仅 30B 参数在 BrowseComp-ZH 上达到 72.3。MiroThinker-H1 作为专有智能体，在 BrowseComp 与 BrowseComp-ZH 上于开源及商用模型中表现领先。项目还自带开源智能体框架，支持工具集成、轨迹采集（含耗时与预计完成时间，单位为分钟，可用于 SFT 与 DPO）以及多基准评测。
使用方式：项目提供快速开始指南与 Gradio 交互式演示。安装需要 uv 包管理器，并配置必要的 API 密钥。最小 .env 配置包含 3 个 MCP 服务器，覆盖网络搜索、内容抽取与代码执行三类核心能力；其余服务器为可选增强。SUMMARY_LLM 可使用 Qwen3-14B 或 GPT-5-Nano 等小模型，对整体性能影响较小。若需运行基准评测，还需要 OPENAI_API_KEY（及可选 OPENAI_BASE_URL）用于 LLM-as-a-Judge。对于 GAIA 多模态任务，由于 MiroThinker 是纯文本 LLM，使用 GPT-4o 将图像/音频/视频文件预处理为文本描述。推荐 MiroThinker-1.7 使用 mirothinker_1.7_keep5_max200 配置，仅在 BrowseComp 与 BrowseComp-ZH 上使用 keep5_max300；可通过 apps/miroflow-agent/conf/agent/ 下的 YAML 文件自由组合 MCP 服务器。keep_tool_result 参数实现基于近期的上下文保留策略，仅保留最近 K 条工具响应，同时保留完整的思考与行动序列。
适用场景：复杂深度研究、网络信息检索与理解、事实性检索与推理、未来事件预测、金融预测、长上下文决策密集任务等。
限制：MiroThinker 是纯文本 LLM，多模态任务需借助 GPT-4o 预处理。MiroThinker-v0.2 的训练数据 MiroVerse-v0.1 以英文为主，中文能力有限。评测中默认使用开源工具，但代码工具 E2B 与 Google 搜索工具 Serper 除外；实现中使用 Whisper、Qwen2.5-VL-72B-Instruct、Qwen3-235B-A22B-Thinking-2507。为防止信息泄漏，评测期间屏蔽了对 HuggingFace 等特定网站的访问，并对所有轨迹的工具输出进行 canary string 测试，受污染轨迹按错误答案处理。性能数据基于本仓库与开源工具测试，其他智能体结果来自其论文与官网。最佳用法是配合本仓库的工具增强智能体框架并开启思考模式。
